發(fā)布時間：2017-04-16 18:01

  本文關(guān)鍵詞：基于多源遙感數(shù)據(jù)的小麥病蟲害大尺度監(jiān)測預(yù)測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著遙感技術(shù)的發(fā)展,使得遙感數(shù)據(jù)源具有了多樣性、實時性和動態(tài)性等特點。近年來,遙感技術(shù)在作物病蟲害監(jiān)測和預(yù)測方面發(fā)揮著巨大的優(yōu)勢,能快速、無損、大范圍的獲取作物病蟲害發(fā)生和發(fā)展信息。然而,如何有效利用多源遙感數(shù)據(jù),最大程度地獲取數(shù)據(jù)中的有效信息,構(gòu)建出簡單、普適性較強(qiáng)的監(jiān)測預(yù)測方法是一個重要的研究問題。本研究重點基于星載多時相光學(xué)與熱紅外數(shù)據(jù),在田塊尺度上開展小麥病蟲害的監(jiān)測、預(yù)測模型和方法研究。在全國尺度上基于美國對地觀測計劃系統(tǒng)(EOS)的中分辨率成像光譜儀(MODIS)數(shù)據(jù)和中國氣象局的全國氣象柵格數(shù)據(jù),對全國小麥主產(chǎn)區(qū)的小麥條銹病、白粉病和蚜蟲等主要病蟲害進(jìn)行了遙感監(jiān)測。具體研究內(nèi)容和結(jié)果如下：1、在區(qū)域尺度小麥白粉病發(fā)生面積監(jiān)測方面,本文利用多時相環(huán)境星HJ-CCD數(shù)據(jù),選擇能夠反映葉面積指數(shù)(LAI)、葉綠素(Chl)及冠層結(jié)構(gòu)變化機(jī)制的常用光譜特征,構(gòu)建單變量監(jiān)測模型和多變量監(jiān)測模型對小麥白粉病發(fā)生面積進(jìn)行監(jiān)測。試驗結(jié)果表明：基于單時相單個光譜特征監(jiān)測結(jié)果的總體精度范圍為68.4%-75.4%,其中修正土壤調(diào)節(jié)植被指數(shù)(MSAVI)的總體精度最高,可能是由于MSAVI不僅可以減少土壤和植被冠層等背景的干擾,還能較好地反映葉面積指數(shù)LAI的動態(tài)變化。在四個原始波段中,近紅外RNIR的總體精度最高。相比之下,基于多時相的MSF模型比單時相監(jiān)測模型精度有明顯提高,說明多時相的光譜特征變化可以幫助排除小麥白粉病影響外的其他田間脅迫影響。MSF-AdaBoost模型的總體精度最高,對病害樣點漏分誤差和錯分誤差分別為9.5%和7.3%,均低于其他模型。2、預(yù)測作物病蟲害發(fā)生情況相比于監(jiān)測更能有效實時的制定防治措施,降低作物產(chǎn)量損失。本文在小區(qū)域尺度上利用多時相的環(huán)境星HJ-CCD光學(xué)數(shù)據(jù)和HJ-IRS熱紅外數(shù)據(jù),用比值植被指數(shù)(RVI)和歸一化植被指數(shù)(NDVI)兩種植被指數(shù)監(jiān)測冬小麥的長勢狀況,反演地表溫度(LST)和垂直干旱指數(shù)(PDI)來監(jiān)測農(nóng)田生境信息,分別利用相關(guān)向量機(jī)(RVM)、支持向量機(jī)(SVM)和邏輯回歸(LR)方法建立了北京郊區(qū)冬小麥灌漿期蚜蟲發(fā)生預(yù)測模型,并對比分析了3種模型預(yù)測精度。試驗結(jié)果表明,RVM的分類預(yù)測精度可達(dá)到87.5%,優(yōu)于SVM和LR。另外,相比于兩種模型,RVM的計算時間也大大縮短。3、在全國尺度上進(jìn)行小麥病蟲害發(fā)生嚴(yán)重度的監(jiān)測�？紤]到同一年份不同植被類型的物候期存在差異,使得不同類型植被的歸一化植被指數(shù)(NDVI)在一年內(nèi)的變化曲線不同,從而利用MODIS-NDVI時間序列產(chǎn)品,然后分析中國區(qū)域不同省份植被類型、主要農(nóng)作物種類、耕作制度及作物生育期與對應(yīng)的NDVI曲線特征,提取中國大陸區(qū)域各省的小麥種植區(qū)域。小麥病蟲害的發(fā)生、發(fā)展與氣象條件、生境條件以及作物長勢緊密相關(guān)。本研究從小麥病蟲害發(fā)生機(jī)制出發(fā),將遙感和氣象數(shù)據(jù)相結(jié)合,建立的小麥病蟲害綜合預(yù)警監(jiān)測模型,突破了以往單純利用氣象數(shù)據(jù)或單純利用遙感數(shù)據(jù)進(jìn)行監(jiān)測的方式。首先,結(jié)合病蟲的生境需求,通過氣象數(shù)據(jù)初步確定病蟲害發(fā)生的適宜范圍,在此基礎(chǔ)上,再結(jié)合病蟲害光譜特征,使用MODIS-LST產(chǎn)品和MODIS-NDVI分別來監(jiān)測地表溫度和小麥長勢,實現(xiàn)小麥病蟲害的大面積監(jiān)測和嚴(yán)重度評估。
【關(guān)鍵詞】：遙感 冬小麥 病蟲害 監(jiān)測 預(yù)測
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TP79
【目錄】：

• 摘要3-5
• Abstract5-10
• 第一章 緒論10-17
• 1.1 研究目的和意義10
• 1.2 研究現(xiàn)狀10-13
• 1.2.1 作物病蟲害監(jiān)測研究10-12
• 1.2.2 作物病蟲害預(yù)測研究12
• 1.2.3 小麥條銹病、白粉病及蚜蟲的癥狀及流行特點12-13
• 1.3 存在的問題13-15
• 1.4 研究內(nèi)容15
• 1.5 論文組織結(jié)構(gòu)15-17
• 第二章 數(shù)據(jù)獲取與預(yù)處理17-23
• 2.1 基于多時相環(huán)境星CCD數(shù)據(jù)的小麥白粉病監(jiān)測17-18
• 2.1.1 病害調(diào)查數(shù)據(jù)17-18
• 2.1.2 衛(wèi)星影像獲取及處理18
• 2.2 基于多源遙感數(shù)據(jù)的冬小麥蚜蟲遙感預(yù)測18-21
• 2.2.1 研究區(qū)概況和蟲害調(diào)查18-19
• 2.2.2 環(huán)境星數(shù)據(jù)特點及獲取19-20
• 2.2.3 環(huán)境星數(shù)據(jù)處理方法20
• 2.2.4 研究區(qū)小麥種植面積提取20-21
• 2.3 基于MODIS和氣象數(shù)據(jù)的中國小麥病蟲害監(jiān)測21-23
• 2.3.1 研究區(qū)概況21
• 2.3.2 數(shù)據(jù)獲取與預(yù)處理21-23
• 第三章 基于多時相環(huán)境星CCD數(shù)據(jù)的小麥白粉病監(jiān)測23-31
• 3.1 模型輸入變量的選擇24-25
• 3.2 基于AdaBoost的多時相監(jiān)測模型的構(gòu)建25-27
• 3.3 模型對比試驗與評價標(biāo)準(zhǔn)27-29
• 3.4 本章小結(jié)29-31
• 第四章 基于多源遙感數(shù)據(jù)的小麥蚜蟲預(yù)測31-42
• 4.1 多光譜特征提取32-37
• 4.2 相關(guān)向量機(jī)模型37-38
• 4.3 小麥蚜蟲預(yù)測結(jié)果比較分析38-41
• 4.3.1 小麥蚜蟲發(fā)生分布預(yù)測38-39
• 4.3.2 模型評估與驗證39-41
• 4.4 小結(jié)41-42
• 第五章 基于MODIS和氣象數(shù)據(jù)的中國小麥病蟲害監(jiān)測42-50
• 5.1 中國小麥種植區(qū)提取43-45
• 5.2 監(jiān)測模型的構(gòu)建45-46
• 5.3 結(jié)果與分析46-49
• 5.4 小結(jié)49-50
• 第六章 總結(jié)與展望50-52
• 6.1 論文總結(jié)50-51
• 6.2 研究展望51-52
• 參考文獻(xiàn)52-57
• 致謝57-58
• 攻讀碩士學(xué)位期間研究成果58

  本文關(guān)鍵詞：基于多源遙感數(shù)據(jù)的小麥病蟲害大尺度監(jiān)測預(yù)測研究，由筆耕文化傳播整理發(fā)布。

本文編號：311343